Programme IA ETHIQUE : BIAIS, CONFORMITE REGLEMENTAIRE ET ENJEUX
Durée : 1 journée - 7 heures
Tarif : Nous contacter pour une formation INTER – INTRA ou en COURS PARTICULIER
La formation est délivrée en présentiel ou distanciel (e-learning, classe virtuelle, présentiel et à distance). Le formateur alterne entre méthodes démonstrative, interrogative et active (via des travaux pratiques et/ou des mises en situation). La validation des acquis peut se faire via des études de cas, des quiz et/ou une certification.
Cette formation est animée par un consultant-formateur dont les compétences techniques, professionnelles et pédagogiques ont été validées par des diplômes et/ou testées et approuvées par l’éditeur et/ou par Audit Conseil Formation.
Les objectifs
pré-requis
Aucun
Moyens pédagogiques, techniques et d'encadrement
- 1 poste de travail complet par personne
- De nombreux exercices d'application
- Mise en place d'ateliers pratiques
- Remise d'un support de cours
- Remise d'une attestation de stage
Modalités d'évaluation des acquis
- Evaluation des besoins et objectifs en pré et post formation
- Evaluation technique des connaissances en pré et post formation
- Evaluation générale du stage
Accessibilité handicapés
- Au centre d’affaires ELITE partenaire d’ACF à 20 m.
- Guide d’accessibilité à l’accueil.
Le Programme
Introduction à l’éthique de l’intelligence artificielle
Définir l’éthique appliquée à l’intelligence artificielle.
Identifier les effets que les systèmes d’IA peuvent avoir sur les droits des personnes et sur la société.
Expliquer pourquoi l’éthique doit être prise en compte dans les décisions liées à l’IA en entreprise, notamment pour préserver la confiance, protéger la réputation et contribuer au respect des obligations réglementaires.
Distinguer les quatre principes fondamentaux d’une IA responsable — l’équité, la transparence, la responsabilité et le respect de la vie privée.
Évaluer et améliorer l’équité des systèmes d’IA
Définir l’équité dans le contexte de l’intelligence artificielle.
Repérer les biais dans les données et les résultats des modèles, puis analyser leurs effets sur les personnes et les groupes concernés.
Proposer des mesures pour réduire les biais, notamment en diversifiant les données, en évaluant les résultats par groupe et en ajustant les modèles.
Renforcer la transparence et définir les responsabilités dans les projets d’IA
Expliquer le problème de la « boîte noire » et ses conséquences lorsqu’un résultat produit par l’IA est difficile à comprendre ou à justifier.
Choisir une méthode adaptée pour rendre les résultats plus compréhensibles, en utilisant un modèle interprétable ou une technique d’explication des résultats.
Identifier les rôles et les responsabilités des acteurs du projet en cas d’erreur ou de dysfonctionnement d’un système d’IA.
Repérer les enjeux juridiques et réglementaires liés à un cas d’usage, notamment au regard du RGPD et des cadres applicables à l’IA en France, dans l’Union européenne et à l’international.
Protéger les données personnelles et organiser la gouvernance des projets d’IA
Expliquer pourquoi la protection des données personnelles doit être prise en compte dès la conception d’un projet d’IA.
Identifier les principales exigences du RGPD et les autres règles de protection de la vie privée applicables au projet.
Choisir des mesures adaptées aux données traitées, notamment la limitation de la collecte au strict nécessaire, le chiffrement et l’anonymisation.
Élaborer une démarche d’audit pour vérifier la conformité des systèmes d’IA, documenter les écarts et suivre les actions correctives.
Définir les modalités de gouvernance des projets d’IA en précisant le rôle du comité d’éthique, la fréquence des audits et les responsabilités de supervision.